搜索资源列表
A_hw1
- 利用幂法、反幂法求矩阵按模最大、最小特征值以及矩阵的行列式与条件数-By using the power method, the inverse power method is used to find the maximum and minimum eigenvalue of the matrix, and the determinant and condition number of the matrix.
RLS
- 基于RLS算法的数据预测与MATLAB实现—— 递归最小二乘（RLS)算法是一种典型的数据处理方法，递归最小二乘（RLS)算法在信号自适应滤波分析中广泛应用，递归最小二乘（RLS)算法收敛速度快，且对自相关矩阵特征值的分散性不敏感，然而其计算量较大。-RLS algorithm based on forecast data and MATLAB realization Recursive Least Squares (RLS) algorithm is a typical method
fiuqou
- 包含特征值与特征向量的提取、训练样本以及最后的识别，最大似然（ML）准则和最大后验概率（MAP）准则，实现了对10个数字音的识别。- Contains the eigenvalue and eigenvector extraction, the training sample, and the final recognition, Maximum Likelihood (ML) criteria and maximum a posteriori (MAP) criterion, To achie
improved-harris
- 从经典的Harris角点检测方法不难看出，该算法的稳定性和k有关，而k是个经验值，不好把握，浮动也有可能较大。鉴于此，改进的Harris方法（）直接计算出两个特征值，通过比较两个特征值直接分类，这样就不用计算Harris响应函数了。 另一方面，我们不再用非极大值抑制了，而选取容忍距离：容忍距离内只有一个特征点。该算法首先选取一个具有最大最小特征值的点（即：max（min（e1，e2）），e1，e2是harris矩阵的特征值）作为角点，然后依次按照最大最小特征值顺序寻找余下的角点，当然和前一
PCA
- Python实现PCA将数据转化成前K个主成分的伪码大致如下: ''' 减去平均数计算协方差矩阵计算协方差矩阵的特征值和特征向量将特征值从大到小排序保留最大的K个特征(Python PCA data into pseudo code before the K principal components are as follows: the characteristics of 'average minus the covariance matrix to calculate the covari
OSRXV30
- 求解矩阵的最大最小特征值及对应的特征向量,以及计算条件数()
15082012
- 求解矩阵的最大最小特征值及对应的特征向量,以及计算条件数()
matlab表情识别
- Matlab表情识别，特征脸[1 ]作为面部表情分类的方法。首先，利用训练图像创建低维人脸空间（pca）。这是通过训练图像集主成分分析（PCA）及图片主成分分析（即具有较大特征值的特征向量）获得的。 结果，所有的测试图像以所选择的主成分表示，计算投影图像与所有投影列车图像的欧几里得距离，选择最小值以找出与试验图像最相似的训练图像。(The feature face [1] is used as a facial expression classification method. Firstly,
主成分分析
- 主成分分析PCA源码分析，使用matlab编程，是一种降维方法，通过计算数据矩阵的协方差矩阵，然后得到协方差矩阵的特征值特征向量，选择特征值最大(即方差最大)的k个特征所对应的特征向量组成的矩阵。这样就可以将数据矩阵转换到新的空间当中，实现数据特征的降维。